Czy na podstawie danych z czujników można rozpoznać, gdzie zamontowano czujnik temperatury? Czy wcześniejsze pomiary pozwalają przewidzieć, kiedy masa ula wzrośnie o co najmniej 0,3 kg? Na te pytania odpowiadają naukowcy z naszego Instytutu: Sebastian Górecki, Sławomir Hausman i Piotr Korbel, autorzy artykułu pt. "Behaviour-Based Temperature-Sensor Role Inference and Lagged Weight-Gain Event Prediction in Multi-Year Smart-Hive Telemetry", opublikowanego w czasopiśmie naukowym Sensors MDPI.
W badaniu wykorzystano wieloletnie dane telemetryczne systemu BeeHUB z lat 2022-2025. Autorzy połączyli analizę warunków termicznych w ulach z modelowaniem predykcyjnym, aby:
🔬 rozpoznawać prawdopodobną rolę czujników temperatury na podstawie charakterystyki ich pomiarów,
📊 analizować zależności między warunkami termicznymi a zmianami masy uli,
🤖 przewidywać zdarzenia związane z dziennym przyrostem masy na podstawie wcześniejszych danych.
Wyniki pokazują, że zastosowany model uczenia maszynowego skuteczniej przewidywał przyrosty masy niż prosta metoda bazująca na pomiarze z poprzedniego dnia. Najlepsze rezultaty uzyskano dla okresu maja i czerwca.
Publikacja jest przykładem wykorzystania Internetu Rzeczy (IoT), analizy szeregów czasowych i sztucznej inteligencji w badaniach nad środowiskiem naturalnym. Pokazuje, jak dane zbierane przez inteligentne systemy monitorowania mogą dostarczać nowych informacji i wspierać analizę złożonych procesów.
📖 Zachęcamy do zapoznania się z całym artykułem:
Sebastian Górecki, Sławomir Hausman, Piotr Korbel "Behaviour-Based Temperature-Sensor Role Inference and Lagged Weight-Gain Event Prediction in Multi-Year Smart-Hive Telemetry", Sensors 2026, 26, 6684.
https://lnkd.in/dswV98W4
Image
Image
Image
Image
